Künstliche Intelligenz in der Data Analytics

Bild: Weidmüller Gruppe
Bild: Weidmüller Gruppe
Machine Learning einfach gemacht

Machine Learning einfach gemacht

Mit der Industrial-AutoML-Lösung von Weidmüller kann praktisch jeder Machine-Learning-Modelle im industriellen Umfeld erstellen, betreiben und optimieren. Die End-to-End-Lösung hilft OEMs und produzierenden Kunden, ohne die Hilfe eines Data Scientisten vom Machine Learning zu profitieren. Innerhalb weniger Minuten lassen sich unter Verwendung des eigenen Applikationswissens sowie Maschinen- oder Prozessdaten Modelle z.B. zur Anomalieerkennung erstellen.

mehr lesen
©Buffaloboy/stock.adobe.com
©Buffaloboy/stock.adobe.com
Edge Computing für die Augmented Virtual Factory

Edge Computing für die Augmented Virtual Factory

Mit einem digitalen Zwilling ist die IT-seitige Darstellung eines physikalischen Objektes oder Systems gemeint. Wer dieses Abbild mit Augmented-Reality-Technologie und Echtzeitdaten kombiniert, kann Anlagenproblemen in einer Augmented Virtual Factory nachspüren. Edge-Computing-Technik bietet die Latenzen für solche Anwendungen.

mehr lesen
Bild: Weidmüller Gruppe
Bild: Weidmüller Gruppe
Machine Learning einfach gemacht

Machine Learning einfach gemacht

Seit einigen Jahren schon werden die Fantasien der Ingenieure und Anlagenbauer beflügelt durch die Möglichkeiten von KI- und Machine-Learning-Algorithmen. Klingt zwar zunächst sehr kompliziert, bietet aber konkrete Vorteile für die smarte Fabrik. Maschinen und Anlagen bzw. Produktionsprozesse erzeugen kontinuierlich Daten. Erfolgreich werden zukünftig Unternehmen sein, denen es gelingt, Mehrwert aus diesen Daten zu generieren.

mehr lesen
Bild: ©nd3000/stock.adobe.com / MPDV Mikrolab GmbH
Bild: ©nd3000/stock.adobe.com / MPDV Mikrolab GmbH
Machine Learning in der Fertigungs-IT

Machine Learning in der Fertigungs-IT

Die Bandbreite an Analyseanwendungen reicht von klassischen Reports und Kennzahlen über Self Service Analytics bis hin zu künstlicher Intelligenz. Bei aller Vielfalt sollte der Zweck nicht aus dem Fokus geraten: transparenter und effizienter fertigen zu können. Zumal immer wieder neue Manufacturing-Analytics-Instrumente entwickelt werden.

mehr lesen
Bild: Nvidia Corporation
Bild: Nvidia Corporation
Microsoft und Nvidia arbeiten zusammen

Microsoft und Nvidia arbeiten zusammen

Edge Computing: Microsoft und Nvidia arbeiten zusammen Die beiden IT-Konzerne Nvidia und Microsoft kooperieren mit dem Ziel, Edge Computing intelligenter und schneller zu machen. Das gab Nvidia-CEO Jensen Huang im Rahmen des Mobile World Congress in Las Vegas bekannt. Nvidia und Microsoft wollen künftig im Bereich Edge Computing zusammenarbeiten. Die dabei...

mehr lesen
Bild: ©Kris Tan/stock.adobe.com
Bild: ©Kris Tan/stock.adobe.com
Die Zukunft des Einzelhandels

Die Zukunft des Einzelhandels

Erfolg im Einzelhandel hatte früher oftmals derjenige, der schlichtweg größer als seine direkten Wettbewerber war. Geschickt agierende Unternehmen, die lokal gesehen an erster oder zweiter Stelle standen, konnten tendenziell höhere Gewinnmargen erwirtschaften. Im Zuge der steigenden Ansprüche der Verbraucher und der Digitalisierung ist die...

mehr lesen
Bild: German Edge Cloud GmbH & Co. KG
Bild: German Edge Cloud GmbH & Co. KG
Schlüsseltechnologie für die smarte Fabrik

Schlüsseltechnologie für die smarte Fabrik

Die Digitalisierung der Fabriken bringt eine wesentliche Entwicklung mit sich: Die Transformation vom Produzenten zum produzierenden Dienstleister. Die täglich in den Fabriken entstehenden Datenmengen sind die Basis für diese neue Wertschöpfungsmodelle - vorausgesetzt, die Daten werden zeit- und ortsnah erfasst, gespeichert, verarbeitet und intelligent...

mehr lesen
Bild: ©metamorworks/stock.adobe.com
Bild: ©metamorworks/stock.adobe.com
Vom Prototypen zur Lösung

Vom Prototypen zur Lösung

Vom Prototypen zur Lösung Raus aus der Proof-of-Concept-Hölle Viele Unternehmen scheitern daran, die Prototypen ihrer Data-Analytics-Projekte in eine produktive, skalierbare Lösung zu überführen. Entscheidend dafür sind gute Planung und ein langer Atem, meint Danny Claus von DoubleSlash. Machine Learning (ML) lebt davon, dass Daten in ausreichender Menge...

mehr lesen
Bild: Microsoft GmbH
Bild: Microsoft GmbH
„Erkenntnisse sind Kerosin“

„Erkenntnisse sind Kerosin“

Sam George, Head of Azure IoT, Microsoft: "Erkenntnisse sind Kerosin" Wenn Daten das neue Öl sind, dann sind Erkenntnisse das Kerosin, sagt Sam George von Microsoft. Als Head of Azure IoT hat er die Aufgabe, Unternehmen zu solchem Erkenntnisgewinn zu verhelfen. Im Interview schildert George, welche Rolle dabei der industrielle Interoperabilitätsstandard...

mehr lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige